Gracias a la inteligencia artificial, un grupo de arqueólogos en Perú ha realizado un importante hallazgo en el desierto de Nazca, descubriendo 303 símbolos gigantes previamente desconocidos.
Los nuevos grabados descubiertos en el desierto de Nazca incluyen diversas representaciones, como aves, plantas, arañas, figuras humanas con tocados, cabezas decapitadas y una orca empuñando un cuchillo.
Este hallazgo, descrito en un estudio publicado el lunes en la revista PNAS, casi duplica el número de geoglifos de Nazca conocidos hasta ahora. Estas enigmáticas obras de arte, formadas al mover piedras o grava, datan de hace aproximadamente 2.000 años y aportan información sobre el posible propósito de los símbolos.
Los geoglifos, ubicados a 50 kilómetros de la costa sur de Perú y a unos 500 metros sobre el nivel del mar, fueron encontrados en el desierto a principios del siglo XX. Su preservación a lo largo de los siglos se debe a las condiciones secas de la región, que cuenta con escasa población, ausencia de inundaciones y poca aptitud para el cultivo.
La tasa de nuevos hallazgos de geoglifos ha aumentado en los últimos años, impulsada por el uso de imágenes remotas de alta resolución. Entre 2000 y 2020, se registró un promedio de 19 geoglifos descubiertos anualmente. Sin embargo, la incorporación de inteligencia artificial para reducir el número de candidatos potenciales ha acelerado este ritmo, lo que promete “una revolución en los descubrimientos arqueológicos”, según un estudio reciente.
Un equipo de investigadores liderado por Masato Sakai, profesor de arqueología en la Universidad Yamagata de Japón, logró el más reciente descubrimiento de geoglifos entrenando un modelo de inteligencia artificial especializado en detección de objetos. Este modelo se alimentó de imágenes de alta resolución de los 430 símbolos de Nazca mapeados en 2020. El equipo también contó con la colaboración de investigadores del Centro de Investigación Thomas J. Watson de IBM en Yorktown Heights, Nueva York.
El principal desafío al que se enfrentaron fue la escasez de imágenes. Por lo general, estos modelos requieren decenas de miles de imágenes para su entrenamiento efectivo, según el estudio.